« Algorithme des k plus proches voisins à cible structurée » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵↵↵ » par « ») |
||
| (3 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
[[Algorithme des k plus proches voisins]] dont l'étiquette à prédire (cible) n'est pas une valeur simple, mais une valeur structurée. | [[Algorithme des k plus proches voisins]] dont l'étiquette à prédire (cible) n'est pas une valeur simple, mais une valeur structurée. | ||
== Compléments == | |||
Par exemple, en traitement automatique de la langue, pour une phrase, l'étiquette cible pourrait être une structure syntaxique. | |||
== Français == | == Français == | ||
| Ligne 6 : | Ligne 9 : | ||
''' Algorithme des k plus proches voisins structurés ''' | ''' Algorithme des k plus proches voisins structurés ''' | ||
== Anglais == | == Anglais == | ||
| Ligne 14 : | Ligne 14 : | ||
''' Structured kNN''' | ''' Structured kNN''' | ||
<!--Structured k-Nearest Neighbours [1] [2] [3] is a machine learning algorithm that generalizes the k-Nearest Neighbors (kNN) classifier. Whereas the kNN classifier supports binary classification, multiclass classification and regression,[4] the Structured kNN (SkNN) allows training of a classifier for general structured output labels. | <!--Structured k-Nearest Neighbours [1] [2] [3] is a machine learning algorithm that generalizes the k-Nearest Neighbors (kNN) classifier. Whereas the kNN classifier supports binary classification, multiclass classification and regression,[4] the Structured kNN (SkNN) allows training of a classifier for general structured output labels. | ||
| Ligne 20 : | Ligne 19 : | ||
As an example, a sample instance might be a natural language sentence, and the output label is an annotated parse tree. Training a classifier consists of showing pairs of correct sample and output label pairs. After training, the structured kNN model allows one to predict for new sample instances the corresponding output label; that is, given a natural language sentence, the classifier can produce the most likely parse tree. --> | As an example, a sample instance might be a natural language sentence, and the output label is an annotated parse tree. Training a classifier consists of showing pairs of correct sample and output label pairs. After training, the structured kNN model allows one to predict for new sample instances the corresponding output label; that is, given a natural language sentence, the classifier can produce the most likely parse tree. --> | ||
==Sources== | |||
[https://en.wikipedia.org/wiki/Structured_kNN Source : Source : Wikipedia ] | [https://en.wikipedia.org/wiki/Structured_kNN Source : Source : Wikipedia ] | ||
| Ligne 28 : | Ligne 25 : | ||
[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ] | [https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms Source : Wikipedia Machine learning algorithms ] | ||
[[Catégorie: | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
Dernière version du 29 janvier 2024 à 12:09
Définition
Algorithme des k plus proches voisins dont l'étiquette à prédire (cible) n'est pas une valeur simple, mais une valeur structurée.
Compléments
Par exemple, en traitement automatique de la langue, pour une phrase, l'étiquette cible pourrait être une structure syntaxique.
Français
Algorithme des k plus proches voisins à cible structurée
Algorithme des k plus proches voisins structurés
Anglais
Structured kNN algorithm
Structured kNN
Sources
Contributeurs: Patrick Drouin, wiki
